基于可解释机器学习的超高性能混凝土成分-强度关系研究
研究生：吴莉莉 导师：邹德磊
论文：Composition-strength relationship study of ultrahigh performance fiber reinforced concrete (UHPFRC) using an interpretable data-driven approach, Construction and Building Materials. 392 (2023).
https://doi.org/10.1016/j.conbuildmat.2023.131973.
超高性能混凝土(UHPC)作为结构工程领域的关键材料，在建筑、桥梁和基础设施等领域具有广泛的应用前景。本研究为了解决了传统实验方法研究高成本、复杂性、耗时的问题，探索UHPC材料成分与抗压强度之间的关系，提出一种可解释的机器学习方法进行强度预测和分析。研究技术路线如图1所示。整个研究基于400个UHPC单轴压缩试验数据构建了数据集，并评估了五种通过GridSearchCV(GSCV)优化后的ML方法。在评估中，优化后的CatBoost模型表现最佳，可以作为预测抗压强度的可靠工具。基于SHAP的特征重要性和多元依赖效应分析结果为UHPC材料设计人员在设计材料配比时提供了重要的参考。最后，我们提出了一种基于上述可解释数据驱动模型的逆向设计方法，用于新型UHPC材料的开发，方法流程如图2所示，本研究为未来UHPC材料设计和开发提供了一定的指导作用。
图1 研究内容和方法流程图
图2 基于可解释机器学习的UHPC逆向设计方法流程图
